Hantera AI-konversationer

Introduktion till Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Hantering av konversationstillstånd i Bedrock

Konversationshantering: avgörande för naturliga och sammanhängande AI-interaktioner
Konversationskontext: inkluderar historik och metadata
Claude-modeller kan ta hänsyn till kontexten

En illustration med cirklar som var och en visar ett element i konversationen: meddelandet, historiken och metadata.

Implementera konversationshantering

Klassen ConversationManager hanterar kärnfunktionaliteten
Meddelandehistoriken lagrar både användar- och assistentmeddelanden med roller
En strukturerad metod säkerställer skalbarhet och underhållbarhet

class ConversationManager:

  def __init__(self):
    self.bedrock = 
        boto3.client('bedrock-runtime')

    self.conversation_history = []
    self.max_tokens = 8000


  def add_message(self, role, content):
      self.conversation_history
      .append({"role": role,

        "content": content

  })

Använda ConversationManager i praktiken

Lägg till nya meddelanden i konversationsloggen
Se till att användarens inmatning loggas
Hjälper modellen att bibehålla kontexten

conversation_manager = ConversationManager()
conversation_manager.add_message("user", "What's the weather like?")

Använda ConversationManager i praktiken

Formatera som meddelande
Begränsa mängden text som skickas
Skicka den formaterade konversationen till modellen

# Send the latest context to the model
conversation_history = conversation_manager.conversation_history
messages = "\n\n".join(
    f"{msg['role']}: {msg['content']}" 
    for msg in conversation_history[-2:]) # Only most recent exchanges


# Send the full message to the model
response = conversation_manager.bedrock.invoke_model(
    modelId="amazon.nova-micro-v1:0", body=messages)

Nu kör vi en övning!

Introduktion till Amazon Bedrock